如何在DataFrame指定列上调度存储于字典中的pandas函数？

你的核心需求完全可以实现，之前报错是因为混淆了pandas顶级函数和Series实例方法的调用方式，下面给出两种直接可用的方案：

方案1：存储Series方法的名称字符串 #

这种方式最直观，因为你想要的example_df["ABC"].func1()本质是调用Series的实例方法，直接存储方法名的字符串，通过getattr来动态调用：

示例代码 #

import pandas as pd

# 1. 创建示例DataFrame
example_df = pd.DataFrame({
    "ABC": [1, None, 3, None, 5],
    "DEF": ["a", "b", "a", "c", "b"]
})

# 2. 构建调度字典：键为列名，值为对应Series的方法名列表
dispatcher = {
    "ABC": ["isnull", "sum", "mean"],
    "DEF": ["unique", "nunique"]
}

# 3. 遍历执行对应列的方法
for col_name, method_names in dispatcher.items():
    series = example_df[col_name]
    print(f"=== 处理列 {col_name} ===")
    for method in method_names:
        # 通过getattr获取方法并调用
        result = getattr(series, method)()
        print(f"{method}: {result}")

方案2：存储可调用对象（含自定义函数） #

如果需要包含自定义函数，或者不想用方法名字符串，可以直接存储包装好的可调用对象（比如lambda、自定义函数），这种方式更灵活：

示例代码 #

import pandas as pd

# 1. 自定义函数示例
def range_func(series):
    return series.max(skipna=True) - series.min(skipna=True)

# 2. 创建示例DataFrame
example_df = pd.DataFrame({
    "ABC": [1, None, 3, None, 5],
    "DEF": ["a", "b", "a", "c", "b"]
})

# 3. 构建调度字典：键为列名，值为可调用对象列表
dispatcher = {
    "ABC": [
        lambda s: s.isnull(),
        lambda s: s.sum(skipna=True),
        range_func  # 加入自定义函数
    ],
    "DEF": [
        lambda s: s.unique(),
        lambda s: s.nunique()
    ]
}

# 4. 遍历执行函数
for col_name, funcs in dispatcher.items():
    series = example_df[col_name]
    print(f"=== 处理列 {col_name} ===")
    for idx, func in enumerate(funcs, 1):
        result = func(series)
        print(f"函数{idx}: {result}")

关于你之前的错误说明 #

你之前写的dispatcher = {"ABC": pd.isnull}，pd.isnull是pandas的顶级函数，正确调用方式是pd.isnull(example_df["ABC"])，而不是example_df["ABC"].pd.isnull()——后者会试图找Series的pd属性，自然会报AttributeError。如果想把pd.isnull加入字典，用方案2的方式包装即可：lambda s: pd.isnull(s)。

内容的提问来源于stack exchange，提问作者Jakub Sapko